# 疫学SIRシミュレーター - R0、ワクチン接種、致死率、感染曲線
この疫学SIRシミュレーターを使えば、感受性者が感染し、回復または死亡により感染グループを離れる過程で、病原体がどのように集団内に広がるかを探索できます。学生、科学コミュニケーター、公衆衛生の学習者、そして感染や免疫の小さな変化がなぜ感染拡大を大きく変えるのかを素早く視覚的に理解したいすべての人向けに設計されています。インタラクティブな操作パネルは、多くの人がテストしたい変数に焦点を当てています。R0、致死率、ワクチン接種率、ワクチン効果、感染期間、初期感染者割合です。グラフは即座に更新され、感受性者、感染者、回復者、免疫保持者、死亡者の曲線を一つの感染症システムとして比較できます。# SIRモデルの仕組み
基本SIRモデルは集団を3つの主要なコンパートメントに分けます。Sはまだ感染可能な感受性者です。Iは病原体を伝播できる現在の感染者です。Rは回復、免疫獲得、またはその他の理由で感染連鎖から外れた人々です。このシミュレーターは、感染グループを離れる人々からの重症転帰の枝として推定死亡者数も追跡します。感染率はR0と感染期間に関連しています。R0が高いか、感染期間が長いほど、感染者グループが縮小する前に多くの新規感染が発生します。ワクチン接種が感受性プールから十分な人数を除去すれば、実効再生産数は低下し、流行のピークは大幅に小さくなります。| 操作項目 | 変更する内容 | 代表的な曲線への影響 |
|---|---|---|
| R0 | 免疫を考慮する前の伝播可能性 | R0が高いと感染者曲線が急上昇し、ピークも高くなる。 |
| ワクチン接種率 | 保護された感受性者が集団から除外される割合 | 接種率が高いとReが低下し、流行を平坦化できる。 |
| ワクチン効果 | この簡略モデルでワクチンが感染を防ぐ程度 | 効果が高いほど同じ接種率でより強い保護効果が得られる。 |
| 感染期間 | 人が感染状態を維持する平均日数 | 長期感染はタイミングを変え、流行を長引かせる可能性がある。 |
| 致死率 | 感染グループを離れる人のうち死亡として計上される割合 | 致死率が高いと死亡曲線が上昇するが、感染伝播には直接影響しない。 |
# R0、Re、集団免疫の直感的理解
R0は全員が感受性のある集団において、1人の感染者が生み出す平均二次感染者数です。実効再生産数であるReは、既に免疫がある人、ワクチン接種を受けた人、隔離されている人など、感染可能でない人がいる場合に低くなります。このシミュレーターでは、効果的なワクチン接種が直接的に感受性を低下させるため、保護率が上がるにつれて表示されるReは減少します。一般的な集団免疫の近似式は1 - 1 / R0です。R0が3の場合、閾値は約66.7%の実効免疫です。このシミュレーターは閾値を実感させるのに役立ちます。実効ワクチン接種が閾値を下回ると流行は成長し、上回ると伝播は持続困難になります。# ピーク感染者数の意味
ピーク感染者数は、シミュレーション集団内で同時に感染状態にある最大人数です。これは総感染者数よりも運用上重要なことがよくあります。なぜなら、病院、検査機関、隔離プログラム、接触者追跡チームは同時並行の活動症例から圧力を受けるからです。最終的な攻撃率がゼロにならなくても、ピークを下げることが重要になり得ます。攻撃率はシミュレーション終了時までに全人口のうち感染した割合の推定値です。攻撃率が高いと、感受性が枯渇するか制御される前に病原体が多くの人に到達したことを意味します。攻撃率が低いと、免疫、ワクチン接種、または弱い伝播が広範な拡散を防いだことを意味します。# 実世界のR0値と集団免疫への示唆
基本再生産数R0は病原体の固定された生物学的定数ではありません。接触パターン、人口密度、文化的習慣、環境要因に依存します。同じウイルスでも、密集した都市と農村部、または屋内での密集が多い季節では異なるR0値を示します。以下の数値は公表された研究からの参考範囲です。| 病原体 | 代表的なR0範囲 | 集団免疫閾値 (1 - 1/R0) | 主な伝播特性 |
|---|---|---|---|
| 季節性インフルエンザ | 1.2 - 1.4 | 17% - 29% | 短い感染期間、季節変動あり |
| SARS-CoV-2 (祖先株) | 2.0 - 3.0 | 50% - 67% | 発症前伝播、エアロゾル感染 |
| SARS-CoV-2 (デルタ株) | 5.0 - 8.0 | 80% - 87% | ウイルス量増加、急速な拡散 |
| SARS-CoV-2 (オミクロン株) | 8.0 - 12.0 | 87% - 92% | 免疫回避、上気道指向性 |
| ポリオ | 5.0 - 7.0 | 80% - 86% | 糞口経路、長期間の無症状排菌 |
| 天然痘 | 5.0 - 7.0 | 80% - 86% | 世界的なワクチン接種キャンペーンで根絶 |
| 麻疹 | 12.0 - 18.0 | 92% - 94% | 極めて高い感染力、空気感染、長い感染期間 |
| 百日咳 | 12.0 - 17.0 | 92% - 94% | 免疫減衰により再感染が発生 |
# 実効再生産数Reが流行中に変化する仕組み
Reは流行のある時点での実効再生産数です。全員が感受性のある集団を想定するR0とは異なり、Reは免疫、ワクチン接種、その他感受性を減らす要因を考慮します。このシミュレーターでは、ReはR0 x (1 - 保護率)として計算されます。ここでの保護率は、ワクチン接種により実効免疫を持つ人口の割合です。シミュレーターのヘッダーに表示されるReの値は、操作パネルを動かすと更新されます。Reが1を上回っている間は流行は拡大します。Reが1を下回ると、各感染者は平均して1人未満の新規感染者しか生み出さず、感染症は持続できません。これが感染症制御の核心的な洞察です。免疫、行動、介入によりReを1未満に保つことです。# 攻撃率とピーク負荷が示す流行の重症度
攻撃率はシミュレーションされた流行全体で感染した人の総人口に対する割合です。これは感染症の波の後に最もよく引用される要約指標です。攻撃率が高いと、感受性の枯渇または制御によって伝播が止まる前に病原体がほとんどの感受性者に感染したことを意味します。攻撃率が低いと、免疫、ワクチン接種、または本質的に弱い伝播が広範な感染を防いだことを意味します。ピーク感染者数、つまり同時に感染している最大人数は、短期的な医療負荷にとってより重要です。攻撃率が中程度でもピークが非常に高く急峻な波は、総患者数が極端でなくても病院を圧倒する可能性があります。逆に、緩やかで平坦な曲線は、同様の攻撃率を数週間にわたって分散させ、医療システムに対応の時間を与えます。これが公衆衛生当局がすべての感染を防ぐこととは別の運用目標として曲線を平坦化することを強調する理由です。# SIRモデルにおける曲線の平坦化と医療容量
SIRモデルの感染者曲線は、同時にケアを必要とする人数として解釈できます。実際の感染症流行では、病床、酸素供給、集中治療を必要とする各患者は有限のリソースプールを消費します。感染者曲線が利用可能な容量を超えて上昇すると、システムが適切なケアを提供できないため、すべての原因による死亡率が上昇します。このモデルにおけるワクチン接種は、感染する前に感受性プールから人を除去することで曲線を平坦化します。マスク、換気、社会的距離、検査、隔離などの他の対策によるR0の低下も、より完全なモデルではピークを下げるでしょう。このシミュレーションはそのメカニズムを可視化します。実効ワクチン接種率が上がるにつれて、ピークは縮小し、遅れ、または完全に消失します。# SIRモデルの背後にある数学の可視化
SIRモデルでは、各時間ステップでの新規感染率は3つの量に依存します。伝達率beta、現在の感染者数I、そしてまだ感受性のある実効人口の割合S / Nです。積beta x I x S / Nは感染力と呼ばれます。毎日、この感染力が何人の感受性者が感染者コンパートメントに移動するかを決定します。人々は回復率gamma = 1 / 感染期間で感染者コンパートメントを離れます。感染力と回復率のバランスが、感染症が拡大するか縮小するかを決定します。beta x S / N が gamma を上回ると、新規感染が回復を上回り、流行は拡大します。感受性割合S / Nが十分に低下すると、gammaが優勢になり流行は収束します。パラメータbetaはインターフェース上に直接表示されません。代わりに、R0と感染期間からbeta = R0 x gammaの関係で導出されます。これがR0または感染期間を変更すると似ているが同一ではない曲線形状が生まれる理由です。両方のパラメータが感染力に影響しますが、感染期間は流行の時間軸も引き伸ばします。# 学習と教育のためのシミュレーター活用法
- 高R0シナリオと低R0シナリオの比較: R0を1.5（季節性インフルエンザ相当）に設定し、次に6.0（ワクチン接種前のポリオ相当）に設定します。他の操作項目が全て同じでも、ピーク高さ、ピークタイミング、攻撃率がどう変わるかに注目してください。
- 集団免疫閾値の探索: R0を3.0、ワクチン接種なしで開始します。攻撃率を確認してください。次にReが1を下回るまでワクチン接種率を上げます。閾値直下と直上でのピークと攻撃率を比較してください。
- 遅い対応と速い対応の効果のテスト: ワクチン接種率を様々な水準に設定し、ピークがいつ発生するかを観察します。高い接種率はピーク高さを減らすだけでなく、通常はピークを遅らせ、医療準備のための時間を稼ぎます。
- 致死率と伝播の分離: 致死率を0%に設定し、感染者曲線を観察します。次に他の設定を変えずに致死率を10%に設定します。感染者曲線は変わりませんが、死亡者数は増加します。これは致死率と伝播速度が異なる疫学的次元であることを示しています。
- 感染期間の効果の検証: 同じR0で4日の感染期間と18日の感染期間を比較します。長い期間は曲線を引き伸ばし、ピークを遅らせ、より長く低い波を生み出します。
- 教室での演習 - 閾値を見つける: 学生に与えられたR0に対してReが1を下回る最小のワクチン接種率を見つけさせ、結果を式1 - 1/R0と比較させます。
# このシミュレーターを使うべき時と理由
- 疫学を学ぶ学生: 微分方程式を扱ったり自分でモデルをプログラミングする前に、数学的なSIRフレームワークをインタラクティブな曲線形状と結びつけます。
- 科学コミュニケーターとジャーナリスト: R0、ワクチン接種、感染期間が流行の軌道に与える影響を示すグラフ、スクリーンショット、ライブ説明を生成します。
- 公衆衛生の学習者: 異なる介入の組み合わせが流行のピークと攻撃率をどう変えるかをテストし、感染症対応におけるトレードオフの直感を養います。
- 感染症の数理に興味があるすべての人: コードを書いたりソフトウェアをインストールする必要なくSIRモデルを探索できます。すべての操作項目がグラフをリアルタイムで更新します。